반응형 SRGAN3 srgan 코드 분석 # https://github.com/eriklindernoren/PyTorch-GAN/blob/master/implementations/srgan/models.py # models.py import torch.nn as nn import torch.nn.functional as F import torch from torchvision.models import vgg19 import math class FeatureExtractor(nn.Module): def __init__(self): super(FeatureExtractor, self).__init__() vgg19_model = vgg19(pretrained=True) self.feature_extractor = nn.Sequential(*list.. 2022. 7. 24. [논문 리뷰] Photo-Realistic Single Image Super-Resolution Using a Generative AdversarialNetwork(SRGAN) https://arxiv.org/abs/1609.04802 Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Despite the breakthroughs in accuracy and speed of single image super-resolution using faster and deeper convolutional neural networks, one central problem remains largely unsolved: how do we recover the finer texture details when we super-resolve at large arxiv.org 0. Abstract 이.. 2022. 6. 23. Loss Function 1. MSE(평균 제곱 오차) 가장 많이 쓰이는 loss function 중 하나이다. CNN feature 값들을 비교하는데 사용하는 방법 K는 노이즈가 포함된 이미지(생성된 이미지)를 의미한다. I1,I2는 Image MXN사이즈 두 이미지의 픽셀들을 의미한다. 1-1 Pixel-wise MSE Loss -생성된 이미지와 실제 이미지 사이의 pixel value들을 MSE를 통해서 비교 계산 G(ILR) : generated network를 통해 생성된 high-resolution image IHR : sampled된 high-resolution image 2. PSNR(Peak Signal-to-Noise Ratio, 최대 신호에서의 노이즈 비율) -영상의 화질에 대한 loss를 평가 , 손실이 적.. 2022. 4. 30. 이전 1 다음 반응형
